Avatare und Identität im Metaversum, Teil 2 - Roblox Blog (2024)

Lies den ersten Teil dieses Blogeintrags von unserem Data Science-Team hier.

In unserem vorherigen Eintrag haben wir die Avatar-Ästhetik zum besseren Verständnis der Verhaltensweisen von Roblox-Nutzer:innen untersucht. In diesem zweiten Teil führen wir unsere Untersuchungen über den Avatar und die Identität fort, um besser zu verstehen, wie sich die Identifikatoren unserer Nutzer:innen im echten Leben mit denen ihrer Roblox-Identitäten überschneiden.

Alter

Das Alter ist ein substantieller, aber einfacher Start. Haben ältere oder jüngere Nutzer:innen verschiedene ästhetische Präferenzen? Überraschenderweise ist die Antwort im Großen und Ganzen: „Nein!“

Obwohl wir einige Variabilität in der Altersverteilung verschiedener Cluster beobachten können, gibt es im Allgemeinen mehr Überschneidungen als Unterschiede, mit nur wenigen statistisch signifikanten Abweichungen.

Geografische Identität

Roblox ist eine globale Plattform und jede Kultur ist einzigartig. Dies zeichnet sich auch in unseren Daten ab: Bei der grafischen Darstellung von Cluster-Frequenzen in verschiedenen Ländern sehen wir drastische ästhetische Variationen.

In einigen Fällen ist das auf demografische Gründe zurückzuführen: In Saudi-Arabien, zum Beispiel, gibt es nach eigenen Angaben mehr Frauen als Männer auf Roblox, was zu einem Anstieg in Popularität von weiblich-aussehenden Avatar-Clustern führt.

Andererseits sind vielleicht nicht alle geografischen Ausgangsformen in der Kultur verwurzelt. In Brasilien ist zu beobachten, dass männlich-aussehende Avatare mit grünen Sport-Trikots und braunen Faux-Hawk-Frisuren disproportional beliebter sind als in anderen Ländern. Aufgrund Brasiliens Nationalfarben, der Beliebtheit von Fußball und der Frisuren prominenter Leute dort ist dies einleuchtend.

Saudi-Arabien Frequenz von Clustern (Cluster 7 ist ein weiblich-dominiertes Cluster)

Brasilien Frequenz von Clustern:

Geschlecht

Einer der eindrucksvollsten Attribute unserer Cluster sind ihre einseitigen Geschlechteraufteilungen: Die meisten Cluster sind fast ausschließlich männlich oder weiblich mit nur wenigen verschiedenartigen Gruppen. Roblox-Nutzer:innen, die ihr Geschlecht angegeben haben, tendieren auch dazu, dies in ihren Avataren widerzuspiegeln.

Wir können dies quantifizieren. Ein äußerst einfaches Convolutional Neural Network, das auf die Miniaturansichten trainiert wurde, war fähig, die Geschlechter-Selbstidentifizierung mit einer Trefferrate von 91% vorherzusagen. Übrigens haben sich 65% der Nutzer:innen, die vom Modell falsch eingestuft wurden, als weiblich identifiziert, woraus abzuleiten ist, dass weibliche Nutzerinnen mit geringerer Wahrscheinlichkeit einen weiblich-aussehenden Avatar wählen.

Geschlechterverteilung über 20 Cluster:

Ästhetische Extreme: Rthro und Blocky

Zwei spezifische Urformen, die die ästhetische Vielfältigkeit auf Roblox verdeutlichen, sind „Rthro“ und „Blocky“. Rthro ist eine Klasse der „humanoiden“ großen, dünnen Avatare, die 2018 herauskam, und „Blocky“ war eine sehr populäre Ästhetik in den Anfangsjahren von Roblox (siehe Bilder unten für jeweilige Beispiele). Beide sind heute ähnlich kleine Cluster, sind aber visuell sehr differenziert.

Um diese speziellen Urtypen zu vergleichen, nutzten wir einen leichten, halb überwachten Ansatz: Wir generierten eine größere Anzahl (100) von Clustern und kennzeichneten sie anhand einer visuellen Inspektion von Exemplaren manuell als Rthro und Blocky, und gruppierten die Cluster mit dem gleichen Label. Dieses Verfahren ermöglicht die Erstellung engerer, kohäsiverer Cluster, die auch unseren externen Kriterien für die beiden Klassen entsprechen.

Einige zusammengefasste Cluster ergeben Blocky:

Einige zusammengefasste Cluster ergeben Rthro:

Zunächst bestätigt uns diese Übung, dass diese Cluster relativ klein sind: Zusammen repräsentieren sie lediglich etwa 7% unserer aktiven Nutzer:innen, von denen 93% weniger extreme Roblox-Körperformen darstellen. Zweitens finden wir, dass die ästhetischen Unterschiede zwischen Rthro und Blocky in den Charakteristiken ihrer Nischennutzer:innen widergespiegelt werden:

• Blocky-Nutzer:innen nutzen generell schon sehr viel länger die Plattform als Rthro-Nutzer:innen – im Durchschnitt doppelt so lange.
• Derselbe starke Unterschied ist auch in der Spielzeit erkennbar: Die Blocky-Spielzeit ist doppelt so hoch wie die von Rthro.
• Blocky-Nutzer:innen verbringen zudem mehr Spielzeit in Nischenspielen, die ältere R6-Avatarkonfigurationen verwenden.

Die Gesamtheit dieser Vergleiche zeichnet ein akkurates Bild unserer Blocky-Nutzer:innen: Es handelt sich um eine kleine, treue, hoch-engagierte Nutzergruppe, die von Roblox‘ alter, blockiger Ästhetik begeistert ist in Hinsicht des Spielens als auch des Avatardesigns. Rthro-Nutzer:innen sind neuer und befinden sich erst am Anfang ihrer Roblox-Reise.

Es ist vorstellbar, ähnliche Untersuchungen für die restlichen 93% der Avatarkörpertypen, die sich zwischen diesen beiden Extremen der Ästhetik befinden, und ihre robloxianischen Subkulturen durchzuführen.

Potenzielle Avatar-Verbesserungen

Das ultimative Ziel unserer Analyse ist es, Hypothesen aufzustellen oder zu untermauern, die die Roblox-Erfahrung unserer Nutzer:innen verbessern. Um Initiativen vorzuschlagen und zu evaluieren ist es manchmal hilfreich, statt einen einfachen Plan, einen Machbarkeitsnachweis zur Erwägung für unsere Produkt-Roadmap zu erstellen.

Hier sind ein paar Beispiele davon, was wir diesen Sommer zusammengestellt haben. Hierbei handelt es sich lediglich um Prototypen, die eventuell niemals veröffentlicht werden, aber sie verschaffen hoffentlich einen Einblick davon, wie ein tiefes Verständnis unserer Nutzer:innen uns helfen kann, ein Produkt zu erstellen, dass für sie hilfreich sein kann.

1. Verbesserte Standard-Avatare: Im Moment behalten viele neue Nutzer:innen den standardisierten Avatar bei, der ihnen am Anfang zugewiesen wird. Produkthypothese: Indem wir neuen Nutzer:innen dabei helfen, schnell einen persönlich angepassten Avatar zu erstellen, der ihnen zuspricht, können wir den Wert, den sie aus Roblox schöpfen, vertiefen.

Durch die Nutzung unserer Avatar-Clustering-Modelle können wir den Nutzer:innen von Anfang an einzigartige, coole Avatare zur Verfügung stellen, die auf bereits bestehenden, stark angepassten Designs beruhen. Stell dir vor, dir werden die fünf (messbar diversen) Avatare unten angezeigt, wenn du Roblox zum erstem Mal benutzt. Vielleicht werden dir sogar noch mehr einzigartige Variationen angezeigt, wenn du darüber scrollst?

2. Vorgeschlagene Outfit-Varianten: Die Art von „Avatar-Inspiration“, die Standard-Avatare hervorrufen, könnten auch wertvoll beim Bearbeiten von bestehenden Avataren sein. Dies ist im Wesentlichen eine neue Such- und Entdeckungsmöglichkeit: Wir zeigen Nutzer:innen stark-bearbeitete Avatar-Urformen, um anhand von Ähnlichkeit oder Unterschieden ihre Fantasie anzuregen. Der Nutzerflow unseres Prototypen (siehe unten) hat einige Probleme, aber wenn er funktioniert, ist er ziemlich cool.

3. Beschreibe deinen Avatar: Manchmal hilft die Erstellung von Prototypen auch dabei, Machbarkeit und Zeitpläne festzustellen. Stell dir zum Beispiel diese besonders ambitionierte Idee vor, eine englischsprachige Suchanfrage in einen automatisch ausgestatteten Avatar umzuwandeln. Ein Schritt in die Richtung ist es, Avatar-Assets algorithmisch mit aussagekräftigen Wörtern zu etikettieren. Wie man in den Beispielen unten jedoch sehen kann, haben die serienmäßigen Datenmodellierungsmethoden noch einen amüsant weiten Weg vor sich.

Dieses bestimmte Beispiel bringt instuktives Metalernen hervor: Es gibt so viel Diversität unter den Roblox-Assets, dass es eine Herausforderung ist, den Bereich richtig zu modellieren, selbst mit vortrainierten Netzwerken und Zehntausenden von Trainingsmustern.
Jedes Beispiel hat eine Asset-Miniaturansicht. Darunter sind automatisch vorgeschlagene Tags mit Bewertungen für die Relevanz jedes Tags (kleiner ist besser).

Zumindest ist „panda“ unter den ersten acht … nichtsdestotrotz finde ich die Vermutung „turtle“ und „dog“ niedlich.

Man sollte meinen, dass es einfach ist, Farben zu lernen, aber anscheinend ist das nicht der Fall.

Das Modell hier war auf dem richtigen Weg! Ich kann es nur nicht dazu bringen, noch genauer zwischen verschiedenen Waffenarten zu unterscheiden.

Schlussfolgerung: Produktentwicklung rund um Identität

Diese Untersuchung der Avatar-Ästhetik verdeutlicht, dass es keinen eindeutigen Roblox-Weg gibt. Nutzer:innen haben unzählige verschiedene Hintergründe und suchen demnach ähnlich diverse Erlebnisse und Repräsentationen auf der Plattform. Wir Datenwissenschaftler:innen nähern uns der Produktentwicklung gern in Hypothesen. In diesem Sinne ist unsere Kernhypothese, dass Produkt-Features, die die diversen ästhetischen Bedürfnisse unserer Nutzer:innen einbeziehen, den besten Nutzen für sie als auch das Metaversum bieten.

Im Allgemeinen lieben wir dieses Muster: die Paarung von tiefer Analyse, die die Bedürfnisse unserer Nutzer:innen aufzeigt, mit der Art innovativer Produktentwicklung, von der unsere Entwickler:innen bei der RDC schwärmen. Wir sind noch ganz am Anfang dieser Entwicklung und wir werden viel Unterstützung dabei brauchen!

Nameer Hirschkind ist Data Science-Praktikant bei Roblox. Er arbeitet an Roblox‘ Avataren, um allen Spieler:innen dabei zu helfen, einen Avatar zu erstellen, den sie wirklich lieben. Weder die Roblox Corporation noch dieser Blog unterstützt jegliche andere Unternehmen oder Dienste. Wir machen auch keine Garantien oder Versprechen in Hinsicht auf die Genauigkeit, Zuverlässigkeit und Vollständigkeit der Informationen in diesem Blog.

©2021 Roblox Corporation. Roblox, das Roblox-Logo und „Powering Imagination“ gehören zu unseren eingetragenen und nicht eingetragenen Markenzeichen in den USA und anderen Ländern.